浙大推出让AI会「导演」的角色扮演框架！四通道消息沉浸式交互
浙江大学与腾讯优图实验室联合提出AdaMARP框架，旨在提升AI角色扮演的沉浸感。该框架采用四通道消息格式，使角色能动态感知交互，并引入场景管理器智能调度多场景叙事。研究通过构建专门数据集训练模型，验证了其在动态叙事方面的效果，推动了AI角色扮演从静态对话向动态交互的演进。
AI角色扮演，正迎来一次关键的“沉浸感”升级。
如今，大语言模型在扮演特定角色对话方面已经相当熟练，但总感觉差点意思。大多数系统更像是一个知识渊博的聊天机器人，对话流畅却缺乏“灵魂”——环境是死的，场景是固定的，角色是静态的。当你想体验一场真正的、需要四处搜证、与不同人物周旋的探案叙事时，现有系统往往就捉襟见肘了。
现在，局面可能要被改写了。浙江大学与腾讯优图实验室联合提出了一项名为AdaMARP的新框架。这个框架的核心目标很明确：让AI角色扮演从“会聊天”进化到“会演戏”。它不仅能让角色“说话”，还能让它们“思考”、“行动”并“感知环境”，更重要的是，它能像一个真正的导演一样，在复杂的多场景叙事中灵活调度，动态引入新角色。
目前，这项研究成果已被自然语言处理顶会ACL 2026接收。
从“跟AI聊天”到“与角色共处”
理想中的AI角色扮演是什么样子？用户设定一个角色，AI就能完全代入，在特定的情境中保持人设，对环境线索敏感，并能根据复杂的人物关系做出恰如其分的回应。
但现实往往骨感。以经典的探案场景为例，现有的角色扮演系统大多局限在一个固定场景里，与有限的几个角色进行循环对话。你无法真正“勘察现场”，无法因为发现新线索而“转场”到下一个地点，也无法在剧情需要时“召唤”出新的证人。整个叙事缺乏动态推进的实感，更像是在一个封闭的聊天室里进行文字游戏。
问题出在哪里？研究团队指出了两个关键瓶颈。
瓶颈一：环境成了“背景板”
许多系统只关注角色的“台词”。后来虽有改进，加入了“动作”或“内心独白”，但“环境”始终被当作静态的背景装饰。然而，在真正的叙事中，环境是活的——案发现场地毯上的特殊蜡痕、证人住所门口未干的泥渍、昏暗灯光下的摇曳阴影……这些环境细节不仅是氛围营造者，更是推动剧情和支撑推理的关键线索。
如果系统无法将环境作为与台词、动作同等重要的信号来建模和处理，那么角色就如同在真空中表演，失去了与世界的互动，沉浸感自然大打折扣。
瓶颈二：缺乏一个“总调度”
更根本的问题在于结构。多数系统默认场景和角色阵容是固定不变的。但一个生动的故事需要流动：侦探该去书房搜查还是去询问女仆？下一个发言者应该是谁？何时应该切换场景以引入新线索和新人物？
现有框架很少系统性地处理这些调度问题。没有这样一个“导演”角色的存在，故事就很难自然地、有机地展开，无法支撑起开放、多线的复杂叙事。
AdaMARP：四通道演绎与智能调度导演
针对上述问题，AdaMARP从“角色演绎”和“叙事调度”两个层面给出了系统性解决方案。
沉浸式消息格式：思维、行动、环境与言语的交织
首先，AdaMARP为每一轮角色互动定义了一种全新的四通道消息格式：思考（Thought）– 行动（Action）– 环境（Environment）– 言语（Speech）。
这四种元素可以灵活交织，形成一个完整的角色响应。例如，福尔摩斯在询问一位神色不安的证人时，完整的输出可能是：
<煤气灯摇曳，证人下意识地瞥向壁炉上的时钟> [他在回避具体时间，那段时间他可能不在场]（用烟斗轻轻敲了敲桌面）案发当晚八点到九点，您究竟在哪里？
你看，环境线索触发了内心推理，推理催生了施压动作，最终转化为追问的言语。一条清晰的“感知-思考-行动”链条就此形成，远比干巴巴的一句台词要生动、可信得多。
更重要的是，环境从此不再是点缀。案发现场的物证可以支撑推理链条，房间的布置能暗示主人的性格与行踪，而场景的切换则自然成为引入新人物、新矛盾的枢纽。
自适应框架：三智能体协作与场景管理器的五种指令
在架构上，AdaMARP将整个角色扮演过程建模为三个智能体的协作：
- Actor模型：负责扮演所有非用户角色。
- User模型：代表用户一方，可以是真人，也可以由另一个LLM模拟。
- 场景管理器（Scene Manager）：整个叙事的“总导演”。
这个“导演”手握一套清晰的指令集，驱动着整场“演出”：
- init_scene：初始化场景（如“贝克街221B客厅”）。
- pick_speaker：决定下一句台词由谁来说（是福尔摩斯追问，还是华生补充？），并给出理由。
- switch_scene：切换场景（如“从案发现场切换到苏格兰场警局”）。
- add_role：动态引入新角色（如“一位声称目击了马车的流浪汉”），并附带其基本人设。
- end：结束当前互动。
每一步调度决策都会输出对应的理由，使得整个过程透明、可解释、可控制。这样一来，系统不仅能决定“谁来说”，还能决定“何时何地发生何事”，从而真正支撑起电影剧本般复杂的多场景、多角色叙事。
实战推演：一场AdaMARP驱动的虚拟探案
概念或许抽象，我们不妨通过一个简化的福尔摩斯探案片段，看看AdaMARP如何在实际中运转。请注意，以下示例经过简化，略去了部分细节。
初始场景：伦敦东区某寓所，案发深夜。壁炉已熄，余烬旁的地毯上有一小块凝固的蜡痕。
场景管理器行动：pick_speaker (speaker: 福尔摩斯)。理由：侦探应先勘察现场并给出初步推理。
福尔摩斯：<煤气灯昏黄，蜡痕在阴影中隐约可见> [烛泪的位置和形状……婚礼蜡烛，而且是左手持烛]（蹲下身捻起碎屑嗅了嗅，站起身）华生，去查查最近三个月内举办过婚礼、且家中有人左撇子的家庭。
场景管理器行动：pick_speaker (speaker: 华生)。理由：福尔摩斯已下达指令，助手应领命执行。
华生：（点点头）明白。（推门而出）<走廊里传来渐远的脚步声，随后是马车驶离的声响>
场景管理器行动：switch_scene。理由：华生已前往调查，需切换至下一个搜证地点——案发地邻居的住所。
新场景：房东太太狭窄昏暗的公寓，炖菜气味弥漫。
场景管理器行动：add_role (new_role: 房东太太)。理由：作为案发地邻居，可能掌握关键证词。
场景管理器行动：pick_speaker (speaker: 福尔摩斯)。理由：讯问应由侦探主导开场。
福尔摩斯：（摘下礼帽）夫人，案发当晚八点到九点，您是否听见三楼有任何异常声响？
场景管理器行动：pick_speaker (speaker: 房东太太)。理由：需听取证人对时间线的陈述。
房东太太：<下意识地瞥向壁炉上的时钟> （略显慌张）我……我当时在楼下厨房。
场景管理器行动：pick_speaker (speaker: 福尔摩斯)。理由：证人出现回避迹象，应继续追问施压。
……
可以看到，从场景初始化、发言权调度、场景转换到新角色引入，整个叙事流程完全由场景管理器根据剧情逻辑动态驱动。这种结构化的多通道、多场景叙事，正是AdaMARP旨在实现的“沉浸式”体验。
让AI“会演”又“会导”：数据是如何炼成的？
如此复杂的能力，需要高质量的数据来训练。研究团队为此构建了两个相辅相成的数据集。
AdaRPSet：训练“演员”的演技
这个数据集用于训练扮演角色的Actor模型，它由两部分构成：
1. 文学提取集：从81部经典文学作品中，通过大语言模型自动提取出连贯的多角色互动场景，并将其严格转化为统一的“思考-行动-环境-言语”四通道格式。这些数据天然带有文学作品的质感和“人味”，是学习基础演绎能力的优质粮草。
2. 主题合成集：文学场景往往固定，缺乏动态调度。为此，团队在20类主题（如探案、冒险、密谋等）下，让LLM主动生成包含明确场景切换和角色引入的复杂情节轨迹。这专门用于强化模型适应动态叙事的能力。
AdaSMSet：训练“导演”的调度
这个数据集则用于训练核心的“导演”——场景管理器。它在上述合成数据的基础上，关键的一步是：在每两段角色发言之间，由另一个强大的模型自动插入“该谁说话”的决策指令，并生成具体、合乎上下文的选择理由。
最终，这个数据集覆盖了场景管理器所需的所有五类调度动作，为“何时换场、何时加人、谁接下一句”提供了端到端的监督信号。
两个数据集珠联璧合：一个让AI学会如何“演”得像，另一个让AI学会如何“导”得顺。它们共享统一的角色档案和消息格式，确保“演员”和“导演”能在同一套叙事语言下无缝协作。
AdaptiveBench：如何评估“沉浸感”？
有了框架和数据，最后一个关键问题是：如何科学地评估这种“沉浸式、可适应”的角色扮演效果？传统的单轮对话评测显然不够用。
为此，团队提出了AdaptiveBench评测框架。它不再纠结于“某一句话说得像不像”，而是从一整段完整的叙事轨迹出发，进行多维度的综合评估：
针对“演员”（Actor模型）的评估维度包括：
- 角色一致性：人设是否从头到尾保持统一？
- 环境基础：是否真的利用环境线索推动剧情？
- 人际互动：对话是否符合人物关系？
- 叙事推进：每次发言是否都在推动故事前进？
- 指令遵循：是否严格遵守四通道格式？
针对“导演”（场景管理器）的评估维度包括：
- 场景理解：切换场景的时机是否合理？
- 发言纪律：发言顺序安排是否得当？
- 角色引入判断：引入新角色的时机和理由是否自然？
- 整体节奏：整场调度的流畅度如何？
通过这套仿真评测体系，AdaMARP框架的优势得以量化呈现：它能够产出更连贯的“感知-思考-行动”链条，更有效地利用环境线索，并在多角色、多场景的复杂调度中展现出强大的灵活性和叙事推动力。
这无疑为下一代AI角色扮演指明了一个清晰的方向——从静态对话走向动态叙事，从聊天机器人走向具有沉浸感的“虚拟世界演员”。无论是互动式故事创作、沉浸式游戏，还是复杂的模拟训练，这项技术都打开了新的想象空间。
项目主页：https://xuzhenhua55.github.io/AdaMARP/#overview
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Premiere Pro 是面向专业视频制作的非线性剪辑软件，提供多轨时间线、调色、音频处理、字幕、代理工作流和多格式输出能力，并可与 After Effects、Audition、Photoshop 及 Frame.io 协同
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
Adobe Media Encoder 是 Adobe 面向视频与音频制作流程提供的专业编码和转码工具，可批量处理媒体文件、创建代理、套用输出预设并监控文件夹自动执行任务。它与 Premiere、After Effects、Audition